随着对隐语的深入了解，越来越多的开发者朋友加入到隐语的社区讨论中，本期精选28条问答list，供大家参考阅读。更多内容，请访问👏隐语github主页https://github.com/secretflow，同时也欢迎大家加入「隐语开源群」，和众多社区伙伴一起交流探讨！进群请私信小助手SecretFlow01易用性
问题1：生产模式下在两台机器上启动docker，容器内分别启动两个主节点ray。在两个容器中同时运行同样的代码，除了self_party和sf.init的address不同，报错brpc server failed startsf.init(parties=['alice', 'bob'], address='10.228.21.25:9446', cluster_config=cluster_config)解答：阅读部署文档：https://www.secretflow.org.cn/docs/secretflow/zh_CN/getting_started/deployment.html
- 如果你想用仿真模型，则不需要填写cluster_config
sf.init(parties=['alice', 'bob'], address='10.228.21.25:9446') - 如果你想用多ray集合模型（生产模型），则不要填写parties参数。填写parties表示仿真模型。sf.init(address='10.228.21.25:9446', cluster_config=cluster_config)
- 两种模式不要混用。
问题2：
请问下，这个报错怎么解决呢？
解答：加上address，表明要连接的ray地址。或者写成address=‘local’，会启动一个ray问题3：编写一个如下模型代码，代码中是顺序加载多方数据，然后直接执行后续PSI或者训练逻辑。
input_path = {alice: '.data/alice.csv', bob: '.data/bob.csv'}output_path = {alice: '.data/alice_psi.csv', bob: '.data/bob_psi.csv'}spu.psi_csv('uid', input_path, output_path, 'alice')
但是有2个问题：
1、 在任意一方执行这个代码逻辑都是应该报错的，因为他只能读取自己的数据，这个怎么处理或者解释；
2、在我们执行类似PSI动作时，如果只有一方准备好数据，当前系统处于什么状态，异常退出，还是等待对方数据到位，还是超时退出？解答：你调用的是隐语封装过的API，这些API都是global view的，不是local能直接执行的，这些 global语义API内部会进一步把任务拆成 alice/bob local可以运行的任务去继续执行。并不是直接在local evaluate这个global function.1.spu.psi_csv('uid', input_path, output_path, 'alice')这里spu device的psi_csv源码实际上内部就是让多方同时执行SPURuntime::psi_csv ( https://github.com/secretflow/secretflow/blob/main/secretflow/device/device/spu.py#L1187 ) ，这个函数进一步是进入到cpp层进行psi的工作，然后alice side读取alice自己的数据进入算法流程，bob类似。
2.这是一个工程处理的问题，我们假设目前alice数据准备好，bob数据文件不存在。实际的行为两边各自同时跑，alice会进入正常流程，直到等待bob的一阶加密密文过来，但由于bob 发现本地数据文件不存在，因此bob执行流会直接异常退出。导致alice等待bob失败/超时，因此alice也会因为这个超时/接收异常退出。
问题4：
使用SPU计算时哪些计算可能会出问题？应该避免使用那些算子？解答：SPU 在计算精度上的文档在这里https://www.secretflow.org.cn/docs/spu/en/reference/fxp.html
总体来说分两类，一种是定点数本身的值域，比如nonfinite numbers(inf/nan)或者非常小的值(1e-10)，前者无解，后者可以尝试一下用 FM128 来看看结果是不是正确的。还有一种是拟合精度的问题，上面的文档里对不少的拟合算子精度范围都有过总结，这类问题通常可以计算顺序的调整来规避。https://www.secretflow.org.cn/docs/spu/en/reference/np_op_status.html问题5：secretFlow是否可以做到根据配置的两个不同的IP地址，如127.0.0.1:9308，127.0.0.2:9308，自动将PSI任务分发到两台机器上运行，完成一次PSI？解答：可以的，这个属于集群仿真。参见https://www.secretflow.org.cn/docs/secretflow/zh_CN/getting_started/deployment.html#cluster-mode-for-simulation问题6：使用docker安装了0.7.11b2版本，在部署的时候ray出现报错。
解答：报错是防火墙阻止了链接，需取消防火墙设置。问题7：https://github.com/secretflow/spu在 centos 7 上 Build From Source理论上可行吗？解答：centos7 如果不想配置环境的话，可以用我们release的docker镜像（secretflow/release-ci）release docker的build参照ci配置https://github.com/secretflow/spu/blob/462c836ed8cd62fe48741d51b38ff256fef15528/.circleci/config.yml#L220注意一下， anolis 打的包是没法在 centos7 上用的，centos7 的 glibc 版本太低了。所以为了能让 centos7 用户可以用，我们才专门搞了一个只是用来 build 的基于 centos7 的 container。也是因为在 centos7 上捣鼓 toolchain 太费劲，所以我建议如果自己要 build from source 而且目标是 centos7 的话，就用那个 container 吧，或者照着 dockerfile 装工具，文件在这里https://github.com/secretflow/devtools/blob/main/dockerfiles/spu-ci.DockerFile
问题8：
请问HEU支持硬件加速的详细说明在哪？解答：如果是使用 HEU 的硬件加速能力：HEU 目前接入了 Intel IPCL 库，支持avx512ifma 或者 QAT 加速，性能会有所提升，但是 ipcl 当前还是实验性的，我们跟 Intel 还在持续打磨；未来更多的硬件支持也在路上。如果是自己有一些硬件加速卡想让隐语兼容：新硬件接入可参考一下这个文档：https://www.secretflow.org.cn/docs/heu/zh_CN/development/phe_dev.html
问题9：
是否有介绍两到三台服务器做demo的配置文档解答：https://github.com/secretflow/secretflow/discussions/164
问题10：
我在文档里有看到这样的描述：“DataFrame由多个参与方的数据构成”。是否可以理解为多个参与方的数据都保存在一个DataFrame中，那对于分布式的场景，三方分别处在三个集群中，DataFrame的表现形式是什么样的呢？是否通过数据对象索引到其他参与方的数据对象？解答：可以这么理解，DataFrame只是保存了数据结构（columes）和各方分片（Partition）等元信息，并不保存数据，本质上是SPUObject的一个包装器（wrapper），并提供一些和pandas DataFrame类似的统计api，这些统计api在实现上应该都是交给SPU执行的。所以你使用时，就站在全局完整的“虚拟联合表”去考虑，不要再去和底下的具体参与方数据对象打交道。
问题11：
想问下在配置好的可信执行环境中，我们自己建模的时候还需要使用加密操作吗？解答：原理上是需要加密的，用户操作上是不需要的，类似于明文，隐语 api 之下会帮忙做掉加密这个事情。
功能性
问题1：
Split nn是否支持一方全部feature另一方只有label?解答：这个目前还没办法支持。如果某一方只是提供label，没有basenet的话，对于label信息几乎就是泄露掉了
问题2：
从文档来看，cluster的部署模式指的是参与方A和B在不同的机器上部署，从而组成的一个隐私计算的集群。请问对于参与方A单方而言，是否可以集群化部署计算节点，实现分布式计算呢？解答：当前SPU只能支持单机版本，所以如果要使用spu的话，ray只能启动一个节点，多节点ray集群支持SPU还在研发中，会在后续版本发布。如果不使用SPU的话，则机构内的ray可以是多节点集群。
问题3：
在使用SPU计算时有没有什么办法可以打印中间变量的值方便debug？
解答：SPU 暂时没有非常方便的方式打印中间值，这里有一些安全上的考虑。不过提供一个思路就是把关心的中间变量作为返回值传回来，然后显示的 reveal 出来使用SPU计算时。
问题4：
是否可以提供真实多方MPC读取本地数据和模型的应用实例？解答：SecretFlow的一大特色是集中式编程，跨机构分布式执行。
通俗一点解释，你看到的代码实际执行的时候，读取数据/加载模型仍然是发生在机构本地的，数据并没有出域。比如下面这段代码
import secretflow as sf
alice = sf.PYU('alice')
def load_data(data_of_alice):
pass
alice(load_data)('/path/of/alice/data')
上面代码表示alice读取alice本地的文件（'/path/of/alice/data'）。文档中的例子，为了方便模拟，给的可能是单机模拟的例子，是用单机模拟了多个机构。
如果你想变成多机构执行，则可以按照多机构多机部署的方式部署SecretFlow，参考 SecretFlow生产模式：https://www.secretflow.org.cn/docs/secretflow/zh_CN/getting_started/deployment.html#production
你的代码几乎可以无缝迁移成生产模式。快速仿真的代码和生产部署几乎无gap，这也是SecretFlow的特色。
问题5:
我想将Alice和Bob的“psi_join_csv”的结果发送给不是SPU参与者的Carol。我可以使用“sf.wait”实现这一点，但我不确定它是否安全，因为“sf.wait”在内部使用sf.reveal。如果我不使用“sf.wait”，Carol的rayfed将在不等待SPU计算结果的情况下关闭。我想知道使用“sf.wait”等待接收秘密信息计算结果是否安全？解答：sf.wait 会显示一个虚拟函数的结果，该函数将任何设备对象作为输入。sf.wait不会向公众透露结果，虚拟函数实际上返回 None 。所以使用 sf.wait 作为同步语义是安全的。请查看：https://github.com/secretflow/secretflow/blob/main/secretflow/device/driver.py#L171-L184
问题6：
spu中会调用ray的remote函数，意图是否是用ray进行任务分发？PSI使用ray的目的是需要ray做应用分发吗？解答：SecretFlow使用ray的remote语义进行计算任务分发。从SecretFlow调度层来看，PSI和其他计算任务并没有特殊之处，也是把计算任务调度给ray执行。
问题7：
目前spu有长时间监听一个rpc端口服务的example吗解答：就目前的设计上来说，这个全局监听一般是交给上层拉起 SPU 的框架来完成的yacl 的 link 是用于 spu instances 之前的通信。如果需要多个PSI 任务并发执行的话，需要修改配置中的端口，保证多个任务的端口不冲突。目前无法在多个任务之间复用同一组端口进行通讯。隐语之后会开源调度框架和可视化平台，不需要手动管理端口，并且框架中会提供getaway统一管理跨节点通讯，提供端口复用。
问题8：
在复现的时候发现，3阶优化总是会溢出，我看到sshelr中的sigmod-minmax优化，使用的是1阶展开，而对应的KDD21那篇论文使用的是3阶多项式，为啥隐语没有采用论文那样的方案呢？
解答：是个好问题。隐语其实提供了非常多的sigmoid方法，包括minimax 1阶和3阶，3阶在零点左右的拟合精度会更高，但是1阶单调性更好。在不同的数据集下面应该会有不同的结果，如果训练飞掉，可能是触发了 3阶拟合曲线中的非单调上升部分。
问题9：
请教一下，0.7.18里的哪些功能是基于rayfed的呢？解答：rayfed 是个基础层的工作，不是功能面的，你可以理解为所有的功能目前都是跑在 rayfed 上。之前直接使用 ray 的模式，会有用户顾虑 driver 发恶意代码，改为 rayfed 后，还是保持 driver 中心式编程的视角，但是底层改进为更高效的 SPMD 执行模式，公网下部分 latency 敏感的算法性能会有提升，而且因为是 SPMD 执行层，不用再有发恶意代码的顾虑了。
问题10：
请教一下隐语现在有公开的关于建模的测试数据嘛？比如和明文模型相比，在准确性以及性能方面的差异。解答：隐语使用的外部公开的 UCI 数据集对sslr和xgb做了准确性的测试，在精度上可以接近明文。性能上使用了信通院的测评方法，使用cise.ntu.edu.tw的epsilon数据集做的benchmark，psi两方都为一亿行，百兆网络单向50毫秒延时，交集5千万耗时10分钟。两方非平衡，一亿vs十万，交集5万，耗时6.5分钟。特征工程和联合建模的算法性能正在优化中，准确性和性能的数据会随着算法开源一并给出。
问题11：
请教下，split learning中保护embedding的LDP有多种方法，为什么选择Gaussian DP。它有啥独特的优势吗？解答：用Gaussian DP有很多优点呀，比方说机器学习中，噪音常常也服从高斯，且高斯分布的和还是高斯分布，对模型utility影响比较小，再比方说高斯机制在后面的composition中可以推导出一些很有用的性质，使得计算隐私损失变得比较简单。
问题12：
请问spu/binding中只看到了psi相关接口（bucket_psi）的绑定操作，pir呢？解答：psi & pir 底层都是 cpp 构建的，psi 因为是一个偏离线态的任务，pir 虽然和 psi 共享一些底层密码能力，但是pir整体使用形式是一个偏在线态的事情，目前我们的默认计划里也没有 python 透出的打算，后续的 pir 出口大概会有一个单独的 pir c++ repo，会有对应的 c++ client sdk 以及 pir server 和 数据 SPI 接口定义。当然有二次开发人力的同学们也可以考虑直接使用目前的 pir cpp core api 自行封装。
问题13：
隐语是如何知道整个计算过程中哪些步骤和内容需要加密的呢？以及用什么方式加密？对于MPC好理解一些，通过参数指定使用的协议，过程都是按照协议制定的，但是机器学习呢？解答：应用层哪些过程要密态，哪些不密态，这个就要看算法的设计流程了；机器学习的部分组件，比如 LR，XGB，也是因为保护的过程范围可大可小，也发展除了联邦学习和纯多方安全计算的不同路线，简单理解为同一种算法，可能有不同安全级别的实现；由于这种明密文边界的 trade off 是隐私计算算法设计从业者根据算法特点，安全与效率决策出来的，所以隐语并不能自动决定。隐语的话：一是在框架层提供了明密文编程的能力，给用户自由设计隐私计算算法的空间；二是在算法层也内置提供了一些常见算法的实现，这些算法的实现流程告诉隐语哪些要走密态流程，哪些可以走明文流程。
问题14：
【黑盒：跨平台算法迁移】看起来就是调度的统一，类似k8s？算法插件就是负载程序？解答：是的，黑盒互联互通就是把算法插件当做黑盒，可以跨平台调度拉起运行。黑盒除了调度层要打通，还有一些管理面的互通，比如节点、资源的互相发现；全栈互联互通是很难的，各家公司也在不断探讨，目前是一步步去打开互通的，先是管理和调度，前面先做好了，最后才可能达到算法这层，目前行业现状还在致力于在管理和调度达到一个标准；算法这层打开互通是很麻烦的，主要还是算法多，且也在不断演进，连理论方案都未必能收敛，因此只在部分算法上达到收敛的成熟度；我们说的“白盒”，也有些说法说是“灰盒”，但大概可以理解为是把算法的交互细节标准化并且打开；类似于 TLS 协议，每个步骤的细节要打开，允许 client & server 是各自实现的，大家遵循一个开放协议，比如 linux 的 tcp client 可以连上 windows 内核的 tcp server。
问题15：
一个RayFed的疑问：现有的send/recv barrier实现 与 object acl 有哪些优劣对比？感觉send/recv barrier站在数据传输角度（fed.get），相比object acl似乎像是治标的方案？解答：RayFed其实本质上只有send一种语意，把数据发送的控制权完全交给了数据拥有方，所以确实是比object acl要优的。或者某种意义上来讲，也许这也能算一种数据拥有方通过代码控制的acl。
问题16：
请问联合数据的问题采用了MPC+SQL，这类技术主要是保护各方数据库的隐私，我比较好奇的是在隐语实现中有没有保护查询条件的隐私？解答：这个要看这里要保护的是什么，实际场景是什么，一般有两个层面的保护：1. 需要保护的是一些关键数值，比如 select * from xxx where a > key; 只想保护 key 的具体数值，但是允许用户看到 SQL 的大致组成，Secret Sharing 技术可以做这个保护， HE，TEE 也可以。2. 不只是一些关键数值，SQL语句本身大体长什么样子也想保护；目前看需要 HE、TEE 来处理，SS可能不满足需求，更细化一点的话，可能部分场景只能 HE 有这种能力，TEE 也不行。
问题17：
MPC SQL保护的是各方数据库非结果信息吗？如果是的话，该方案与用户单独、依次在各方数据内查询再将结果汇总的的方案相比，更明显的优势在哪？解答：> 保护的是各方数据库非结果信息吗？看你怎么定义结果信息的保护，如果这个结果就是用户需要的，并且这个结果就是可以推导出一些信息，那除非不允许用户看这个结果，否则总是可以利用结果反推出来一些信息量；SQL由于可编程，过于灵活，导致可以直接通过 select * 获取结果，因此我们有一些形式化验证的手段加其他数据提供方确认的机制，去限制用户随意写一些恶意 SQL 语句。> 更明显的优势在哪？实际我们 MPC-SQL 也是尽量这样去拆解的，这样执行效率是最高的，但是这种完美拆解不总是成立的，比如需要的结果 z 是个 bool 值，z = a > b， 数据 a 来自 alice， 数据 b 来自 bob，如果各自查询，要么 alice 需要把 a 明文发送给 b，要么 bob 做类似的事情，那么泄露的信息量就是数据 a / b 的明文，如果这里引入密态计算，泄露的信息量就是最后的 bool 单 bit 信息。
